C++STL学习之unordered_map与unordered_set(底层Hash)

这篇具有很好参考价值的文章主要介绍了C++STL学习之unordered_map与unordered_set(底层Hash)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

前言:我们前面已经学习论map和set,现在又冒出来一个unordered_map和unordered_set,这两个有啥差别吗?前面我们已经说过,map和set的底层是红黑树,那unordered_map和unordered_set的底层是什么呢?接下来我们会逐渐揭开它神秘的面纱。

如果大家不了解map和set可以看我往期博客:C++之map与set的使用与原理+拓展avl树(详解)-CSDN博客

目录

一,unordered_map和unordered_set的使用

1)unordered_set

1)函数模板参数

2)构造函数

3)成员函数及功能

2)unordered_map

1)函数模板参数

2)构造函数

2)成员函数及功能

二,unordered_map和unordered_set的底层实现及代码

1)哈希表

2)常见哈希函数

3)线性探测法

4)线性探测法代码

1)提前准备

2)私有成员变量

3)插入

4)删除

5)查找

6)完整代码

5)悬挂法

1)私有成员变量

2)插入

3)删除

4)查找

5)完整代码


一,unordered_map和unordered_set的使用

1)unordered_set
1)函数模板参数

unordered_map set,c++,学习,开发语言

Hash模板参数默认是哈希桶(等下会讲原理),Pred则是一个判断两个key是不是相等的函数,用来查找元素和插入元素时判断是否存在,Alloc则类似于new开辟空间。

2)构造函数

unordered_map set,c++,学习,开发语言

explicit unordered_set ( const allocator_type& alloc );

 分配器构造法

template <class InputIterator>
         unordered_set ( InputIterator first, InputIterator last,
                         size_type n = /* see below */,
                         const hasher& hf = hasher(),
                         const key_equal& eql = key_equal(),
                         const allocator_type& alloc = allocator_type() );

 迭代器范围构造法

unordered_set ( const unordered_set& ust );
unordered_set ( const unordered_set& ust, const allocator_type& alloc );

 拷贝构造法

unordered_set ( unordered_set&& ust );
unordered_set ( unordered_set&& ust, const allocator_type& alloc );

 移动构造函数(右值引用构造,我后面的博客应该会讲右值引用,现在大家期待一下吧)

unordered_set ( initializer_list<value_type> il,
                size_type n = /* see below */,
                const hasher& hf = hasher(),
                const key_equal& eql = key_equal(),
                const allocator_type& alloc = allocator_type() );

 初始化列表构造法(在C++11后,一切皆可{}初始化,例如:

unordered_set<int> a={1,2,3,4,5}

 1,2,3,4,5会形成一个初始化列表,这样子方便连续的构造

unordered_map set,c++,学习,开发语言

可以一次性就把所有初始化列表里面的值构造,无需多次调用构造函数。

3)成员函数及功能

unordered_set - C++ Referencehttps://legacy.cplusplus.com/reference/unordered_set/unordered_set/

2)unordered_map
1)函数模板参数

unordered_map set,c++,学习,开发语言

首先我们看模板参数,T也就是value,Hash函数默认是哈希桶,Pred则是一个判断两个key是不是相等的函数,用来查找元素和插入元素时判断是否存在,Alloc则类似于new开辟空间。

2)构造函数

unordered_map set,c++,学习,开发语言

explicit unordered_map ( const allocator_type& alloc );

分配器构造法

template <class InputIterator>  
unordered_map ( InputIterator first, InputIterator last,  
               size_type n = /* see below */,  
               const hasher& hf = hasher(),  
               const key_equal& eql = key_equal(),  
               const allocator_type& alloc = allocator_type() );

迭代器范围构造法

unordered_map ( const unordered_map& ump );  
unordered_map ( const unordered_map& ump, const allocator_type& alloc );

拷贝构造函数

unordered_map ( unordered_map&& ump );  
unordered_map ( unordered_map&& ump, const allocator_type& alloc );

移动构造函数(右值引用构造) 

unordered_map ( initializer_list<value_type> il,  
               size_type n = /* see below */,  
               const hasher& hf = hasher(),  
               const key_equal& eql = key_equal(),  
               const allocator_type& alloc = allocator_type() );

初始化列表构造法

2)成员函数及功能

由于这是老生常谈了,大家看文档估计也能看懂,这里给大家一个链接,有兴趣的自行观看

unordered_map - C++ Referencehttps://legacy.cplusplus.com/reference/unordered_map/unordered_map/

二,unordered_map和unordered_set的底层实现及代码

1)哈希表

哈希表有点类似于我们的计数排序,但是计数排序有缺点就是只能排整形家族,哈希表就是会开大于我们要存储数据元素个数的大小(一般来说是数组),然后通过一个特点的转换公式把不同类型全部转化为无符号整形,然后按照下标存储,但是如何将不同类型的元素转换整形呢?这是一个问题,我们这里提供一个思路,假如是string或者插入类型,是不是它们都有ascll码值,将ascll码值转换为整型不就行了吗?

template<class K>
struct HashFunc
{
	size_t operator()(const K& key)
	{
		return (size_t)key;
	}
};

// 特化  是匹配问题,当为string类型是不会走上面的HashFunc函数,特化的模板函数的格式在下面
template<>
struct HashFunc<string>
{
	size_t operator()(const string& s)
	{
		size_t hash = 0;
		for (auto e : s)
		{
			hash += e;
			hash *= 131;
		}

		return hash;
	}
};

我们也提供几种Hash整形的转换方法。

2)常见哈希函数

1. 直接定址法--(常用)
取关键字的某个线性函数为散列地址:Hash(Key)= A*Key + B
优点:简单、均匀
缺点:需要事先知道关键字的分布情况
使用场景:适合查找比较小且连续的情况
面试题:字符串中第一个只出现一次字符
2. 除留余数法--(常用)
设散列表中允许的地址数为m,取一个不大于m,但最接近或者等于m的质数p作为除数,按照哈希函数:Hash(key) = key% p(p<=m),将关键码转换成哈希地址
3. 平方取中法--(了解)
假设关键字为1234,对它平方就是1522756,抽取中间的3位227作为哈希地址;
再比如关键字为4321,对它平方就是18671041,抽取中间的3位671(或710)作为哈希地址平方取中法比较适合:不知道关键字的分布,而位数又不是很大的情况
4. 折叠法--(了解)
折叠法是将关键字从左到右分割成位数相等的几部分(最后一部分位数可以短些),然后将这几部分叠加求和,并按散列表表长,取后几位作为散列地址。
折叠法适合事先不需要知道关键字的分布,适合关键字位数比较多的情况
5. 随机数法--(了解)
选择一个随机函数,取关键字的随机函数值为它的哈希地址,即H(key) = random(key),其中random为随机数函数。
通常应用于关键字长度不等时采用此法
6. 数学分析法--(了解)
设有n个d位数,每一位可能有r种不同的符号,这r种不同的符号在各位上出现的频率不一定相同,可能在某些位上分布比较均匀,每种符号出现的机会均等,在某些位上分布不均匀只有某几种符号经常出现。可根据散列表的大小,选择其中各种符号分布均匀的若干位作为散列地址。例如:

大家看完上面的内容,有没有发现一个问题,不论是哪种方法都会出现一个问题,可能不同的元素会映射到同一个位置,那我们该怎么办呢?现在给大家提供两种解决方法。

3)线性探测法

这种方法的解决办法是当发现两个位置冲突了之后,就从这个元素开始查找下一个空的元素,如果发现空的元素就插入,有些人可能会说如果全满了呢?那就回到0号下标开始继续查找,因为数组大小是大于元素个数的,所有不要担心全部满了。那查找呢?这种情况不能只查找映射位置,要一直往后找,直到碰到空。那如何删除了,删除不能直接删除,这样子可能会导致下次查找元素出现错误,因为这个位置制空后,查找的原则是找到空就停止,原本应该继续往后找的,但是因为你删除元素导致此位置为空,无法向后继续找,所有我们要有一个标记方法标注这里是被删除的,而不是本身就为空。

unordered_map set,c++,学习,开发语言

4)线性探测法代码
1)提前准备

首先我们需要一个东西来标记当前位置的状态,辨别删除和为空,防止误判,我们采用枚举

enum State { EMPTY, EXIST, DELETE };
2)私有成员变量

数组加枚举变量,数组因为里面要包括枚举和元素所以使用结构体封装一下

class Hash{
struct Elem
		{
			pair<K, V> _val;  //一个存Key,一个存value
			State _state;
		};
private:
		std::vector<Elem> _ht;
		size_t _size;
		size_t _totalSize;  // 哈希表中的所有元素:有效和已删除, 扩容时候要用到
};
3)插入
bool Insert(const pair<K, V>& val) {
			if (((double)_size/_ht.size())>=0.7) {//如果元素占了整个数组大小的7/10就扩容
				HashTable<K, V> a;               
				a._ht.resize(_ht.size()*2);        //开辟新的空间
				for (size_t i = 0; i < _ht.size(); i++) {
					if (_ht[i]._state == EXIST) {
						a.Insert(_ht[i]._val);
					}
				}
				a._ht.swap(_ht);                  //交换数据
				_totalSize = _size;               
			}
			size_t site = val.first % _ht.size();  //哈希函数求映射位
			while (_ht[site]._state ==EXIST) {      //找到空的位置或者已经被删除了的位置
				site++;
				site = site % _ht.size();
			}
			_ht[site]._state = EXIST;            //改变状态
			_ht[site]._val = val;                
			_size++;
			_totalSize++;                        //数据个数加加
			return true;
		}
4)删除
// 删除
		bool Erase(const K& key) {
			size_t site = Find(key); //复用Find函数
			if (site == 0)           //没找到,返回false
				return false;           
			_ht[site - 1]._state = DELETE;    //改变状态和数据个数
			_size--;
			return true;
		}
5)查找
// 查找
		size_t Find(const K& key) {
			size_t site = key % _ht.size();        //利用哈希函数求映射值
			while (_ht[site]._state != EMPTY&&_ht[site]._val.first!=key) {   
				site++;                  //找到元素的位置并且位置状态位存在 
				site = site % _ht.size();
			}
			if (_ht[site]._state == EMPTY||_ht[site]._state==DELETE) 
				return 0;
			return site+1;         //返回下标
		}
6)完整代码
#pragma once
#include<string>
#include<vector>
#include <algorithm>  
#include<iostream>
using namespace std;
namespace Close_Hash
{
	enum State { EMPTY, EXIST, DELETE };
	
	template<class K, class V>
	class HashTable
	{
		struct Elem
		{
			pair<K, V> _val;
			State _state;
		};

	public:
		HashTable(size_t capacity = 5)
			: _ht(capacity), _size(0), _totalSize(0)
		{
			for (size_t i = 0; i < capacity; ++i)
				_ht[i]._state = EMPTY;
		}

		// 插入
		bool Insert(const pair<K, V>& val) {
			if (((double)_size/_ht.size())>=0.7) {
				HashTable<K, V> a;
				a._ht.resize(_ht.size()*2);
				for (size_t i = 0; i < _ht.size(); i++) {
					if (_ht[i]._state == EXIST) {
						a.Insert(_ht[i]._val);
					}
				}
				a._ht.swap(_ht);
				_totalSize = _size;
			}
			//cout <<_size<<" "<<_ht.size() << "容量比:" << (double)_size / _ht.size() << endl;
			size_t site = val.first % _ht.size();
			while (_ht[site]._state ==EXIST) {
				site++;
				site = site % _ht.size();
			}
			_ht[site]._state = EXIST;
			_ht[site]._val = val;
			_size++;
			_totalSize++;
			return true;
		}

		// 查找
		size_t Find(const K& key) {
			size_t site = key % _ht.size();
			while (_ht[site]._state != EMPTY&&_ht[site]._val.first!=key) {
				site++;
				site = site % _ht.size();
			}
			if (_ht[site]._state == EMPTY||_ht[site]._state==DELETE)
				return 0;
			return site+1;
		}

		// 删除
		bool Erase(const K& key) {
			size_t site = Find(key);
			if (site == 0)
				return false;
			_ht[site - 1]._state = DELETE;
			_size--;
			return true;
		}

		size_t Size()const
		{
			return _size;
		}

		bool Empty() const
		{
			return _size == 0;
		}

		void Swap(HashTable<K, V>& ht)
		{
			swap(_size, ht._size);
			swap(_totalSize, ht._totalSize);
			_ht.swap(ht._ht);
		}

	private:
		size_t HashFunc(const K& key)
		{
			return key % _ht.capacity();
		}

	private:
		std::vector<Elem> _ht;
		size_t _size;
		size_t _totalSize;  // 哈希表中的所有元素:有效和已删除, 扩容时候要用到
	};
}
5)悬挂法

悬挂法人如其名,它的结构就是一个数组下面挂在一堆链表,也就是说数组里面并不直接存着元素,而是存着指针,这种方法有什么好处呢?前面我们的线性探测法如果当前位置被占了就需要找下一个空位,而悬挂法只需要在链表下面多加一个元素就行了。但是有一个小技巧,我们新加入的元素不需要挂在最后,只需要取代第一个结点的位置就行了。

unordered_map set,c++,学习,开发语言

1)私有成员变量

悬挂法需要一个一个数组,数组里面应该包括一个结点的struct指针,struct里面应该包括数据,和下一个结点的地址。

template<class T>
	struct HashNode
	{
		HashNode<T>* _next;
		T _data;


		HashNode(const T& data)
			:_next(nullptr)
			, _data(data)
		{}
	};
private:
		vector<Node*> _table;
		size_t _size;      // 哈希表中有效元素的个数
2)插入

悬挂法插入结点先通过哈希函数找到下标,然后按照我上面说的那种方法,具体代码实现及注释如下

Node* Insert(const V& data)
		{
			// 0. 检测是否需要扩容
			CheckCapacity();

			// 1. 通过哈希函数计算data所在的桶号
			size_t bucketNo = HashFunc(data);

			// 2. 检测该元素是否在bucketNo桶中
			//    本质:检测链表中是否存在data的节点
			Node* pCur = _table[bucketNo];
			while (pCur)
			{
				if (pCur->_data == data)
					return nullptr;
				pCur = pCur->_pNext;
			}

			// 插入新节点,直接头插
			pCur = new Node(data);
			pCur->_pNext = _table[bucketNo];
			_table[bucketNo] = pCur;
			++_size;
			return pCur;
		}
3)删除

删除元素需要先通过哈希函数找到下标,然后按照顺序查找是否存在这个元素,然后删除,但是删除要注意必须保存其父节点不然删除无法更新链表,还有就要要注意删除头节点要单独处理

// 删除哈希桶中为data的元素(data不会重复)
		bool Erase(const V& data)
		{
            //哈希函数找结点,然后保存下标,需要一个指针指向其父亲
			size_t bucketNo = HashFunc(data);
			Node* pCur = _table[bucketNo];
			Node* pPre = nullptr;
            //找到下标后循坏查找
			while (pCur)
			{
				if (data == pCur->_data)
				{
					// 删除
					if (_table[bucketNo] == pCur)
					{
						// 删除第一个节点
						_table[bucketNo] = pCur->_pNext;
					}
					else
					{
						// 删除的不是第一个节点
						pPre->_pNext = pCur->_pNext;
					}

					delete pCur;
					--_size;
					return true;
				}

				pPre = pCur;
				pCur = pCur->_pNext;
			}

			return false;
		}
4)查找

如果仔细看了上面,估计查找已经手到擒来了,找到映射下标遍历就是了文章来源地址https://www.toymoban.com/news/detail-859215.html

Node* Find(const V& data)
		{
			size_t bucketNo = HashFunc(data);
			Node* pCur = _table[bucketNo];
			while (pCur)
			{
				if (data == pCur->_data)
					return pCur;

				pCur = pCur->_pNext;
			}

			return nullptr;
		}

		size_t Size()const
		{
			return _size;
		}

		bool Empty()const
		{
			return 0 == _size;
		}
5)完整代码
#pragma once
#include <string>
#include <vector>
#include "Common1.h"

using namespace std;


namespace OpenHash
{
	template<class T>
	class HashFunc
	{
	public:
		size_t operator()(const T& val)
		{
			return val;
		}
	};

	template<>
	class HashFunc<string>
	{
	public:
		size_t operator()(const string& s)
		{
			const char* str = s.c_str();
			unsigned int seed = 131; // 31 131 1313 13131 131313
			unsigned int hash = 0;
			while (*str)
			{
				hash = hash * seed + (*str++);
			}

			return hash;
		}
	};

	template<class V>
	struct HashBucketNode
	{
		HashBucketNode(const V& data)
		: _pNext(nullptr), _data(data)
		{}
		HashBucketNode<V>* _pNext;
		V _data;
	};

	// 本文所实现的哈希桶中key是唯一的
	template<class V, class HF = HashFunc<V>>
	class HashBucket
	{
		typedef HashBucketNode<V> Node;
		typedef Node* PNode;

		typedef HashBucket<V, HF> Self;

	public:
		HashBucket(size_t capacity)
			: _table(GetNextPrime(capacity))
			, _size(0)
		{}

		~HashBucket()
		{
			Clear();
		}

		// 哈希桶中的元素不能重复
		Node* Insert(const V& data)
		{
			// 0. 检测是否需要扩容
			CheckCapacity();

			// 1. 通过哈希函数计算data所在的桶号
			size_t bucketNo = HashFunc(data);

			// 2. 检测该元素是否在bucketNo桶中
			//    本质:检测链表中是否存在data的节点
			Node* pCur = _table[bucketNo];
			while (pCur)
			{
				if (pCur->_data == data)
					return nullptr;

				pCur = pCur->_pNext;
			}

			// 插入新节点
			pCur = new Node(data);
			pCur->_pNext = _table[bucketNo];
			_table[bucketNo] = pCur;
			++_size;
			return pCur;
		}

		// 删除哈希桶中为data的元素(data不会重复)
		bool Erase(const V& data)
		{
			size_t bucketNo = HashFunc(data);
			Node* pCur = _table[bucketNo];
			Node* pPre = nullptr;

			while (pCur)
			{
				if (data == pCur->_data)
				{
					// 删除
					if (_table[bucketNo] == pCur)
					{
						// 删除第一个节点
						_table[bucketNo] = pCur->_pNext;
					}
					else
					{
						// 删除的不是第一个节点
						pPre->_pNext = pCur->_pNext;
					}

					delete pCur;
					--_size;
					return true;
				}

				pPre = pCur;
				pCur = pCur->_pNext;
			}

			return false;
		}

		Node* Find(const V& data)
		{
			size_t bucketNo = HashFunc(data);
			Node* pCur = _table[bucketNo];
			while (pCur)
			{
				if (data == pCur->_data)
					return pCur;

				pCur = pCur->_pNext;
			}

			return nullptr;
		}

		size_t Size()const
		{
			return _size;
		}

		bool Empty()const
		{
			return 0 == _size;
		}

		void Clear()
		{
			for (size_t i = 0; i < _table.capacity(); ++i)
			{
				Node* pCur = _table[i];

				// 删除i号桶所对应链表中的所有节点
				while (pCur)
				{
					// 采用头删
					_table[i] = pCur->_pNext;
					delete pCur;
					pCur = _table[i];
				}
			}

			_size = 0;
		}

		size_t BucketCount()const
		{
			return _table.capacity();
		}

		void Swap(Self& ht)
		{
			_table.swap(ht._table);
			swap(_size, ht._size);
		}

	private:
		size_t HashFunc(const V& data)
		{
			return HF()(data) % _table.capacity();
		}

		void CheckCapacity()
		{
			if (_size == _table.capacity())
			{
#if 0
				HashBucket<T> ht(_size * 2);

				// 将旧哈希桶中的元素向新哈希桶中进行搬移
				// 搬移所有旧哈希桶中的元素
				for (size_t i = 0; i < _table.capacity(); ++i)
				{
					Node* pCur = _table[i];
					while (pCur)
					{
						ht.Insert(pCur->_data); // new 节点
						pCur = pCur->_pNext;
					}
				}

				Swap(ht);
#endif
				Self ht(GetNextPrime(_size));

				// 将旧哈希桶中的节点直接向新哈希桶中搬移
				for (size_t i = 0; i < _table.capacity(); ++i)
				{
					Node* pCur = _table[i];
					while (pCur)
					{
						// 将pCur节点从旧哈希桶搬移到新哈希桶
						// 1. 将pCur节点从旧链表中删除
						_table[i] = pCur->_pNext;

						// 2. 将pCur节点插入到新链表中
						size_t bucketNo = ht.HashFunc(pCur->_data);

						// 3. 插入节点--->头插
						pCur->_pNext = ht._table[bucketNo];
						ht._table[bucketNo] = pCur;
					}
				}

				this->Swap(ht);
			}
		}

	private:
		vector<Node*> _table;
		size_t _size;      // 哈希表中有效元素的个数
	};
}

到了这里,关于C++STL学习之unordered_map与unordered_set(底层Hash)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 封装unordered_set&&unordered_map

    注:实现unordered系列容器是为了学习,因此并非将全部接口实现,所以只实现部分接口 目录 哈希表的改造 模板参数列表的改造 增加迭代器操作 增加通过T获取value操作 HashTable.h的修改 unordered_set的封装 unordered_map的封装 K:关键码类型 T:不同容器T的类型不同,如果是unorder

    2024年02月05日
    浏览(40)
  • 【unordered_map和unordered_set的封装】

    这里的思路与前面讲解map/set的封装思路一致,STL不喜欢直接实例化出两份几乎相同的代码,所以用了模板参数来处理,还是老规矩: set中传入的是K,K,map中传入的是K,PairK,V .这样我们在哈希桶的结构中只需要用一个T类型的模板参数接受上层传入的参数即可。 基本框架的改造:

    2024年02月08日
    浏览(36)
  • 【C++】unordered_map,unordered_set模拟实现

    喜欢的点赞,收藏,关注一下把! 上一篇文章我们把unordered_map和unordered_set底层哈希桶的知识也都说清楚了,今天就根据哈希桶模拟实现出unordered_map和unordered_set。 这里如果看过以前文章【C++】map和set的模拟实现,应该会觉得简单。 因为unordered_map和unordered_set底层都是哈希桶

    2024年01月21日
    浏览(47)
  • 【C++】unordered_set与unordered_map的封装

    🌇个人主页:平凡的小苏 📚学习格言:命运给你一个低的起点,是想看你精彩的翻盘,而不是让你自甘堕落,脚下的路虽然难走,但我还能走,比起向阳而生,我更想尝试逆风翻盘 。 🛸 C++专栏 : C++内功修炼基地 家人们更新不易,你们的👍点赞👍和⭐关注⭐真的对我真

    2024年02月08日
    浏览(48)
  • 【C++】unordered_map和unordered_set的使用

    文章目录 前言 一、unordered_map的使用及性能测试 二、unordered_set的使用 1.习题练习 总结 unordered 系列关联式容器 : 在 C++98 中, STL 提供了底层为红黑树结构的一系列关联式容器,在查询时效率可达到O(logN) ,即最差情况下需要比较红黑树的高度次,当树中的节点非常多时,

    2024年02月06日
    浏览(48)
  • 【C++】unordered_set 和 unordered_map 使用 | 封装

    unordered_map官方文档 unordered_set 官方文档 set / map与unordered_set / unordered_map 使用功能基本相同,但是两者的底层结构不同 set/map底层是红黑树 unordered_map/unordered_set 底层是 哈希表 红黑树是一种搜索二叉树,搜索二叉树又称为排序二叉树,所以 迭代器遍历是有序的 而哈希表对应的

    2024年02月06日
    浏览(48)
  • 改造哈希表,封装unordered_map和unordered_set

    正文开始前给大家推荐个网站,前些天发现了一个巨牛的 人工智能 学习网站, 通俗易懂,风趣幽默 ,忍不住分享一下给大家。点击跳转到网站。 unordered_map是存的是pair是K,V型的,而unordered_set是K型的,里面只存一个值,那我们如何利用一个数据结构将他们都封装出来呢?

    2024年02月03日
    浏览(48)
  • 【高阶数据结构】封装unordered_map 和 unordered_set

    (꒪ꇴ꒪(꒪ꇴ꒪ )🐣,我是 Scort 目前状态:大三非科班啃C++中 🌍博客主页:张小姐的猫~江湖背景 快上车🚘,握好方向盘跟我有一起打天下嘞! 送给自己的一句鸡汤🤔: 🔥真正的大师永远怀着一颗学徒的心 作者水平很有限,如果发现错误,可在评论区指正,感谢🙏 🎉🎉

    2024年02月03日
    浏览(42)
  • C++进阶--unordered_set、unordered_map的介绍和使用

      在C++98中,STL提供了底层为红黑树结构的一系列关联式容器,在查询时效率可达到 l o g 2 N log_2N l o g 2 ​ N ,即最差情况下需要比较红黑树的高度次,当树中的节点非常多时,查询效率也不理想。最好的查询是,进行很少的比较次数就能够将元素找到,因此在C++11中,STL又

    2024年01月16日
    浏览(50)
  • 【C++】哈希表封装实现 unordered_map 和 unordered_set

    在 C++98 中,STL 提供了底层为红黑树结构的一系列关联式容器,在查询时效率可达到 O(logN),即最差情况下只需要比较红黑树的高度次;但是当树中的节点非常多时,其查询效率也不够极致。 最好的查询是,不进行比较或只进行常数次比较就能够将元素找到,因此在 C++11 中,

    2023年04月16日
    浏览(49)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包